CN112837177B - 一种电能计量设备用关键元器件基础数据源及质量评价方法 - Google Patents
一种电能计量设备用关键元器件基础数据源及质量评价方法 Download PDFInfo
- Publication number
- CN112837177B CN112837177B CN202110043308.4A CN202110043308A CN112837177B CN 112837177 B CN112837177 B CN 112837177B CN 202110043308 A CN202110043308 A CN 202110043308A CN 112837177 B CN112837177 B CN 112837177B
- Authority
- CN
- China
- Prior art keywords
- component
- fault
- electric energy
- equipment
- energy metering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000012423 maintenance Methods 0.000 claims abstract description 3
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 5
- 239000011159 matrix material Substances 0.000 description 8
- 238000012360 testing method Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000010606 normalization Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种电能计量设备用关键元器件基础数据源及质量评价方法，具体包括：定义电能计量设备典型故障与元器件检测相关信息收集表，向检修人员收集相关数据；对收集到的数据表进行分析，获得较完备基础数据后对数据进行汇总；利用数学关系建立设备故障‑元器件失效率直接关联模型；在直接关联模型基础上，建立设备故障‑元器件失效率关联模型；对关联模型进行反向建模，实现模型的反向检索功能；对典型故障和元器件检测需求进行更新，对模型进行迭代更新，进而得到元器件的失效率，实现电能计量设备用关键元器件基础数据源及质量评价。本发明为元器件等级评价及质量选型和电力计量设备整体可靠性的评估提供提技术支撑。
Description
技术领域
本发明属于电能计量领域，特别是一种电能计量设备用关键元器件基础数据源及质量评价方法。
背景技术
电能计量设备是智能电网建设的重要基础设备之一，针对电能计量设备进行相应工作环境中的可靠性评估，对电网计量体系至关重要。而如时钟芯片、RS-485通信芯片等电力计量设备关键元器件是安全运行的基础保障，它们的可靠性对环境耐受程度差异较大，在实际运行中，设备故障多与元器件有关。有必要对电能计量设备进行现场运行故障数据解析，研究得到电力计量设备故障与元器件失效的关联模型，获得与故障模式相关元器件的现场使用数据如元器件失效部位、元器件失效数量等。通过电力计量设备故障模式迅速定位到若干种关联性最高的元器件，提高电能计量设备的检修效率，为及时更新对元器件的质量评价，更好地管控电能计量设备的质量。
发明内容
针对上述问题，本发明提出一种电能计量设备用关键元器件基础数据源及质量评价方法，旨在针对国内外缺乏电能计量设备故障分类与元器件级别失效关系的有效手段，提出电能计量设备用关键元器件多维数据解析及归一化方法，通过对电力计量设备与元器件失效进行关联模型的研究，利用关联模型和现场统计数据逆向映射出元器件现场实际失效率，对不用检测条件维度下同类指标检测数据归一化进行研究，为元器件等级评价及质量选型和电力计量设备整体可靠性的评估提供提技术支撑。
本发明的技术方案：
一种电能计量设备用关键元器件基础数据源及质量评价方法，具体步骤包括：
S1，定义电能计量设备典型故障与元器件检测相关信息收集表，向检修人员收集相关数据；
S2，利用数据统计、清洗、筛分对收集到的数据表进行分析，获得较完备基础数据后对数据进行汇总；
S3，利用数学关系建立设备故障-元器件失效率直接关联模型；
S4，在直接关联模型基础上，利用层次分析法融入专家知识建立设备故障-元器件失效率关联模型；
S5，对关联模型进行反向建模，实现模型的反向检索功能；
S6，对典型故障和元器件检测需求进行更新，对模型进行迭代更新，进而得到元器件的失效率，实现电能计量设备用关键元器件基础数据源及质量评价。
所述步骤S1中相关信息收集表U，即电能计量设备故障分析记录表，包括电能计量设备产权归属地及气候特征、到货批次号、铭牌条码、生产厂家、生产日期、规格、故障现象、故障部件代码、故障部件、故障原因、器件规格、器件厂家、备注。
所述步骤S2对记录表收集到的数据进行数据预处理，通过数据统计得到不同电能计量设备厂家、产权归属地的占比，接着按照清洗规则去除无用数据，最后进行数据筛分以消除由于拆表检测人员专业判断主观性以及对表格内容理解的差异造成的填表差异性结果，获得较完备数据之后对数据进行汇总，得到故障部件-故障现象次数关联表格。
所述步骤S3从关联表格中得到每一个故障现象直接关联对应的不同元器件故障的数量与权重关系，建立设备故障-元器件失效率直接关联模型。
所述步骤S4利用与步骤3相同的数学关系建立设备故障-中间结论的数量与权重值，接着利用层次分析法分析得到中间结论与元器件故障的的权重值，建立电能计量设备故障-元器件失效率关联模型。
所述步骤S5中对设备故障和元器件反向建模，基于数学关系建立元器件失效率-设备故障的关联模型，得到元器件失效对应的设备故障的权重值，实现模型的反向检索。
所述步骤S6中更新信息收集表后，对故障现象、元器件检测需求进行更新，同时更新关联模型中层次分析法的分析参数，对模型进行迭代更新，重新对权重进行调整排序，再利用失效率公式得到元器件失效率，实现电能计量设备用关键元器件基础数据源及质量评价。
与现有技术相比，本发明的有益效果是：本发明通过收集电能计量设备现场运行数据，并对数据进行数据统计、清洗和筛分，融入层次分析法，建立电能计量设备故障-元器件失效率关联模型，同时支持模型的反向检索。利用模型逆向映射出元器件现场失效率，增加检修效率，为检修人员提供便捷，为电能计量设备的整体可靠性提供技术支撑。
附图说明
图1所示为本发明故障现象-故障部件关系分布图；
图2所示为本发明故障现象-中间结论关系分布图；
图3所示为本发明部分故障现象-中间结论关系分布图；
图4所示为本发明元器件故障-黑屏、中间结论关系分布图；
图5所示为本发明中间结论M1-元器件数据关系分布图；
图6所示为本发明反向建模元器件故障-黑屏、中间结论关系分布图；
图7所示为本发明电能计量设备用关键元器件基础数据源及质量评价技术的步骤图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例：
本发明以某次收集到的电能计量设备故障分析记录表为例进行具体实施方式的说明。
表1
如表1所示，为电能计量设备故障分析记录表的部分数据展示，根据表头的项目列表可以详细获取电能计量设备的来源厂家、生产日期、故障现象、故障元器件等信息。当故障现象与故障部件、故障原因相同时(即没有具体的元器件故障信息)，该信息无效，对此类数据进行清除，例如记录中故障现象为电池欠压，故障部件/原因亦为电池欠压，或是故障现象为外观损坏，故障部件/原因亦为外观损坏等，这类信息直接清除。而在数据筛分过程中，未被定义的故障部件，在统计中保留，例如循显键、端子钉等故障部分，对于故障现象理解不同，造成多个故障现象彼此拼接成新的故障现象。统计时将拼接的此类故障拆分成单个故障现象，例如将电池欠压时钟错误拆分成电池欠压与时钟错误。故障部件与故障原因栏填写非具体的元器件，而是笼统的部件时，处理为“中间结论”。例如故障现象为黑屏，故障原因栏填写为印制板进水生锈，故障现象为显示故障，故障原因栏填写为印制板进水生锈等；统计时将此类非具体的故障部件定义为中间结论“印制板进水生锈”，主要原因是印制板上有很多元器件，不能确定是印制板上具体的哪一种元器件进水生锈。
如图1、图2所示，将故障部件-故障现象次数关联表用关系分布图展示出来，可见故障现象与故障部件、中间结论有紧密的数学关系，按照具体元器件与中间结论将故障原因数据分成两类。
表2
如表2所示，故障现象不显示，与其直接关联的元器件为电池，电池与不显示之间是完全对应，则元器件对故障现象关联占比为100％，权重为1；故障现象烧坏，与其直接关联的元器件为热敏电阻烧坏、热敏电阻损坏、电源，这三个元器件与烧坏之间为对应关系，热敏电阻烧坏数据关联为1次，热敏电阻损坏数据关联为2次，电源数据关联为6次，他们分别对故障现象关联占比为10％、30％、60％，权重分别为0.10、0.30、0.60。
如图3、图4所示，故障现象部分从上至下命名为A1-A10，元器件故障部分从上至下命名为B1-B5，中间结论部分从上至下命名为M1-M8。由图可见，从A到M的权重有统计数据的支持，但从M到B无统计数据的支持，因此需要采用层次分析法融合专家知识分配权重。以故障现象黑屏中的中间结论M1(印制板整板烧坏)为例进行说明。
表3
如表3所示，先建立两层层次结构模型，定义准则层和措施层。其中准则层为中间结论，措施层为具体元器件故障。根据专家知识(现有设备的故障分析经验)，结合重要性标度含义表的准则，对矩阵中的每两个元素进行两两比较，对比其重要性。按照两层层次结构模型，构造判断矩阵重要性标度含义表构建判断矩阵并赋值。矩阵中的行列关汇处表示通过专家知识进行比较得到的结果。如，表中B2行与B3列的数值为0.2，表示对于中间结论印制板整板烧坏(M1)，热敏电阻(B3)比电感(B2)发生故障的可能性更高，因为中间结论印制板整板烧坏(M2)中有烧坏的描述，烧坏与电流、电压、温度等因素有关，而热敏电阻(B3)受到温度的影响更大，热敏电感(B2)受到温度的影响更小；表中B3行与B8列的数值为6，表示对于中间结论印制板整板烧坏(M1)，热敏电阻(B3)比电源(B8)的可能性大得多，因为中间结论印制板整板烧坏(M1)表示印制板整个板子都烧坏，而电源(B8)并不是所有部分在印制板上，因此电源(B8)的重要性较低。
表4
如表4所示，接着计算判断矩阵的特征向量，经归一化之后得到表中各元素的权重。为最大程度上提高结果的可靠性，剔除两两判断时的不自洽结果，应对计算得到的结果进行一致性检验，CI为一致性指标，CR为一致性比率，当CR<0.1时我们同意判断矩阵满足一致性检验，表明得到的权重可以用于中间结论-元器件故障建模。CI与CR的计算公式分别为，
现以表3为例，对印制板整板烧坏(M1)进行特征值的计算以及一致性检验。将表3中的得到的特征值代入到上面三个公式，计算得到CI＝0.0084，CR＝0.0060，通过一致性检验。各个中间结论-元器件故障的判断矩阵以及一致性检验方法相同，重复上述过程，可得到各个中间结论和元器件故障的权重结果，并对它们进行一致性检验，通过一致性检验后，得到中间结论-元器件故障权重结果表。
如图5所示，故障现象与中间结论已存在统计关系，如A1(黑屏)与中间结论M1(印制板整板烧坏)之间的统计数据为5。在采用层次分析法后，已获得M1与B1-B8之间的分配权重。因此可按此权重将统计数据5分配至B1-B8。类似的，也可以得到其它M与B之间的权重关系。从而将故障现象与中间结论的数据关系全部折算到故障现象与元器件的数据关联中。
表5
如表5所示，以元器件故障电池B1举例，计算其间接数据关联。其中m1＝5，m2＝4，m3＝12，m4＝1，m5＝6。mi,，i＝1，…，5为5个中间结论与故障现象的关联权重，可由表4的结果得到。直接关联数可由表2中黑屏对应的元器件故障得到。通过中间结论分配公式计算出中间结论分配值2.2316。最终中间结论折算到元器件-电池上的元器件故障总和为直接关联数与中间结论分配之和，为4.2316。
表6如表6所示，最终权重关系的分配计算通式为：
c为直接关联数，mi为故障现象与中间结论的直接数据关系，见图4中间结论值的左边数字，此分配计入了故障现象与元器件故障的直接关联数同时将故障现象与中间结论的次数进行了权重的分配，最终计算出总权重。
如图6所示，将元器件故障与电能表故障位置调换，依然以元器件故障(B1)与黑屏(A8)进行元器件失效率-设备故障的关联模型的建立，在B1与M1-M7之间分配权重。
表7
如表7所示，元器件B1的间接数据关联得到之后，按照相同的步骤，通过中间结论分配公式计算出中间结论分配值为9.5636,其中m1＝26,m2＝4,m3＝13,m4＝1,m5＝5，直接关联数不变，仍为2。最终中间结论折算到元器件-电池上的元器件故障总和为直接关联数与中间结论分配之和，为11.5636。
表8如表8所示，最终权重关系的分配计算通式为：
c为直接关联数，mi为故障现象与中间结论的直接数据关系，见图6中间结论值的右边数字，此分配计入了故障现象与元器件故障的直接关联数同时将故障现象与中间结论的次数进行了权重的分配，最终计算出总权重，得到元器件失效率-电力计量设备故障关联模型，也即反向建模的模型，并计算出最终故障现象的权重总表。
如图7所示，由于检测人员的专业知识水平的不同，在每次收回数据调研表后，本方法可对典型故障定义以及检测需求进行更新，以增加更多典型故障、检测需求的种类，保证模型的完善性。例如在收回调研表之后，依信息对故障类型进行更新，增加“电量突变”与“外壳损坏”；对检测需求进行更新，增加“电源芯片”、“电源”等。对数据进行更新之后，对于建立的电力计量设备故障-元器件失效率关联模型中的直接关联模型和基于层次分析法建立的间接模型进行设备故障-元器件、中间结论的数据关系更新，判断矩阵、权重、折算值等进行更新，对模型进行完善。再对下一次拆回表数据进行相同操作，达到对此模型不断进行迭代完善。
如图7所示，电力计量设备用关键元器件基础数据源及质量评价技术方法步骤如下：
S1，制作相关信息收集表U，即电能计量设备故障分析记录表，包括电能计量设备产权归属地及气候特征、到货批次号、铭牌条码、生产厂家、生产日期、规格、故障现象、故障部件代码、故障部件、故障原因、器件规格、器件厂家、备注。
S2，对记录表收集到的数据进行数据预处理，通过数据统计得到不同电能计量设备厂家、产权归属地的占比，接着按照清洗规则去除无用数据，最后进行数据筛分以消除由于拆表检测人员专业判断主观性以及对表格内容理解的差异造成的填表差异性结果，获得较完备数据之后对数据进行汇总，得到故障部件-故障现象次数关联表格。
S3，从关联表格中得到每一个故障现象直接关联对应的不同元器件故障的数量与权重关系，建立设备故障-元器件失效率直接关联模型。
S4，利用与S3相同的数学关系建立设备故障-中间结论的数量与权重值，接着利用层次分析法分析得到中间结论与元器件故障的的权重值，建立电能计量设备故障-元器件失效率关联模型。
S5，对设备故障和元器件反向建模，基于数学关系建立元器件失效率-设备故障的关联模型，得到元器件失效对应的设备故障的权重值，实现模型的反向检索。
S6，更新信息收集表后，对故障现象、元器件检测需求进行更新，同时更新关联模型中层次分析法的分析参数，对模型进行迭代更新，重新对权重进行调整排序，再利用失效率公式得到元器件失效率，其中，N为失效的元器件个数，N0为元器件的总数，T为经历的时间，实现电能计量设备用关键元器件基础数据源及质量评价。
以上所述仅是本发明针对电力计量设备用关键元器件基础数据源及质量评价技术的具体实施方式，使本领域技术人员能够理解或实现本发明，但是本发明不仅限于电力计量设备用关键元器件基础数据源及质量评价技术方法，根据权利要求书可以利用本发明进行相关领域基础数据源及质量评价技术方法，针对本发明实例进行的多种修改对本领域技术人员而言是显而易见的，本发明所采用的方法及原理可以在不脱离本发明的精神或范围的情况下，在其它的实例中实现。因此，本发明不会被限制于本文所示的实施案例，而是要符合与本文所公开的原理和新颖特点所一致的最宽范围。
最后说明的是，以上所述仅是实施例仅为说明本发明技术方案而非限制，尽管参照实施例对本发明进行的详细的说明，本领域的普遍技术人员应当理解，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种电能计量设备用关键元器件基础数据源及质量评价方法，其特征在于，包括以下具体步骤：
S1，定义电能计量设备典型故障与元器件检测相关信息收集表，向检修人员收集相关数据；
S2，利用数据统计、清洗、筛分对收集到的数据表进行分析，获得完备基础数据后对数据进行汇总；
S3，利用数学关系建立设备故障-元器件失效率直接关联模型；
S4，在直接关联模型基础上，利用层次分析法融入专家知识建立设备故障-元器件失效率关联模型；
S5，对设备故障-元器件失效率关联模型进行反向建模，实现设备故障-元器件失效率关联模型的反向检索功能；
S6，对典型故障和元器件检测需求进行更新，对设备故障-元器件失效率关联模型进行迭代更新，进而得到元器件的失效率，实现电能计量设备用关键元器件基础数据源及质量评价，
所述步骤S6中更新信息收集表后，对故障现象、元器件检测需求进行更新，同时更新设备故障-元器件失效率关联模型中层次分析法的分析参数，对设备故障-元器件失效率关联模型进行迭代更新，重新对权重进行调整排序，再利用失效率公式得到元器件失效率，实现电能计量设备用关键元器件基础数据源及质量评价，所述失效率公式
，其中，N为失效的元器件个数，/>为元器件的总数，T为经历的时间。
2.根据权利要求1所述的一种电能计量设备用关键元器件基础数据源及质量评价方法，其特征在于，所述步骤S1中相关信息收集表，即电能计量设备故障分析记录表，包括电能计量设备产权归属地及气候特征、到货批次号、铭牌条码、生产厂家、生产日期、规格、故障现象、故障部件代码、故障部件、故障原因、器件规格、器件厂家和备注。
3.根据权利要求1所述的一种电能计量设备用关键元器件基础数据源及质量评价方法，其特征在于，所述步骤S2对记录表收集到的数据进行数据预处理，通过数据统计得到不同电能计量设备厂家、产权归属地的占比，接着按照清洗规则去除无用数据，最后进行数据筛分以消除由于拆表检测人员专业判断主观性以及对表格内容理解的差异造成的填表差异性结果，获得完备数据之后对数据进行汇总，得到故障部件-故障现象次数关联表格。
4.根据权利要求1所述的一种电能计量设备用关键元器件基础数据源及质量评价方法，其特征在于，所述步骤S3从关联表格中得到每一个故障现象直接关联对应的不同元器件故障的数量与权重关系，建立设备故障-元器件失效率直接关联模型。
5.根据权利要求1所述的一种电能计量设备用关键元器件基础数据源及质量评价方法，其特征在于，所述步骤S4利用与步骤3相同的数学关系建立设备故障-中间结论的数量与权重值，接着利用层次分析法分析得到中间结论与元器件故障的权重值，建立电能计量设备故障-元器件失效率关联模型。
6.根据权利要求1所述的一种电能计量设备用关键元器件基础数据源及质量评价方法，其特征在于，所述步骤S5中对设备故障和元器件反向建模，基于数学关系建立元器件失效率-设备故障的关联模型，得到元器件失效对应的设备故障的权重值，实现模型的反向检索。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110043308.4A CN112837177B (zh) | 2021-01-13 | 2021-01-13 | 一种电能计量设备用关键元器件基础数据源及质量评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110043308.4A CN112837177B (zh) | 2021-01-13 | 2021-01-13 | 一种电能计量设备用关键元器件基础数据源及质量评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112837177A CN112837177A (zh) | 2021-05-25 |
| CN112837177B true CN112837177B (zh) | 2024-03-19 |
Family
ID=75928146
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110043308.4A Active CN112837177B (zh) | 2021-01-13 | 2021-01-13 | 一种电能计量设备用关键元器件基础数据源及质量评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112837177B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113609197A (zh) * | 2021-07-15 | 2021-11-05 | 国网湖北省电力有限公司营销服务中心(计量中心) | 一种电力计量设备用关键元器件多维度检测数据的归一化方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07200981A (ja) * | 1993-12-28 | 1995-08-04 | Toshiba Corp | プラントの信頼性評価方法および更新評価方法 |
| CN104820892A (zh) * | 2014-12-25 | 2015-08-05 | 北京航空航天大学 | 一种基于数据传递的航空发电系统定量危害性分析方法 |
| CN106447205A (zh) * | 2016-09-30 | 2017-02-22 | 国家电网公司 | 一种基于层次分析法的配电自动化终端状态评价方法 |
| CN110400231A (zh) * | 2019-06-06 | 2019-11-01 | 湖南大学 | 一种加权非线性贝叶斯的电能计量设备失效率预估方法 |
| CN111612326A (zh) * | 2020-05-18 | 2020-09-01 | 国网河北省电力有限公司电力科学研究院 | 一种配变供电可靠性的综合评估方法 |
| CN111612371A (zh) * | 2020-05-29 | 2020-09-01 | 国网河北省电力有限公司电力科学研究院 | 一种基于层次分析法的智能电表质量评估方法 |
| CN112100915A (zh) * | 2020-09-10 | 2020-12-18 | 贵州电网有限责任公司 | 一种基于层次分析及群体决策算法的器件失效率评估方法 |
-
2021
- 2021-01-13 CN CN202110043308.4A patent/CN112837177B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07200981A (ja) * | 1993-12-28 | 1995-08-04 | Toshiba Corp | プラントの信頼性評価方法および更新評価方法 |
| CN104820892A (zh) * | 2014-12-25 | 2015-08-05 | 北京航空航天大学 | 一种基于数据传递的航空发电系统定量危害性分析方法 |
| CN106447205A (zh) * | 2016-09-30 | 2017-02-22 | 国家电网公司 | 一种基于层次分析法的配电自动化终端状态评价方法 |
| CN110400231A (zh) * | 2019-06-06 | 2019-11-01 | 湖南大学 | 一种加权非线性贝叶斯的电能计量设备失效率预估方法 |
| CN111612326A (zh) * | 2020-05-18 | 2020-09-01 | 国网河北省电力有限公司电力科学研究院 | 一种配变供电可靠性的综合评估方法 |
| CN111612371A (zh) * | 2020-05-29 | 2020-09-01 | 国网河北省电力有限公司电力科学研究院 | 一种基于层次分析法的智能电表质量评估方法 |
| CN112100915A (zh) * | 2020-09-10 | 2020-12-18 | 贵州电网有限责任公司 | 一种基于层次分析及群体决策算法的器件失效率评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112837177A (zh) | 2021-05-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Martorell et al. | The use of maintenance indicators to evaluate the effects of maintenance programs on NPP performance and safety | |
| JP2013538543A (ja) | 送電網用の機械学習 | |
| CN107122832A (zh) | 一种质量控制与可靠性分析的制造系统预防性维修方法 | |
| CN117172556B (zh) | 一种桥梁工程的施工风险预警方法与系统 | |
| CN114065605A (zh) | 一种智能电能表运行状态检测评估系统和方法 | |
| CN112837177B (zh) | 一种电能计量设备用关键元器件基础数据源及质量评价方法 | |
| Zhou et al. | A novel green design method using electrical products reliability assessment to improve resource utilization | |
| CN116011827A (zh) | 一种用于重点小区的停电监测分析与预警系统及方法 | |
| CN109409629B (zh) | 基于多属性决策模型的采集终端生产厂商评价方法 | |
| Langner et al. | An investigation of design parameters that affect commercial high-rise office building energy consumption and demand | |
| CN105488343A (zh) | 一种电力二次设备故障概率计算方法 | |
| CN115905319B (zh) | 一种海量用户电费异常的自动识别方法及系统 | |
| CN116611785A (zh) | 一种基于大数据的输变电工程造价模型构建方法、系统、设备及介质 | |
| Ma et al. | An improved opportunistic group replacement maintenance strategy for wind turbines | |
| CN112200458B (zh) | 一种配电网规划数据应用方法及系统 | |
| CN114266508A (zh) | 一种配电网供电可靠性评估指标权重的修正算法 | |
| CN114254806A (zh) | 配电网重过载预警方法、装置、计算机设备和存储介质 | |
| CN114529072A (zh) | 一种基于时间序列的区域电量预测方法 | |
| Wang et al. | A new evaluation mechanism on investment effectiveness of a production and technical transformation project in a power system | |
| Sobhani et al. | Detecting load transfers | |
| Junming et al. | Bayesian estimation of a power law process with incomplete data | |
| JP7506868B2 (ja) | 配電変圧器の異常容量に対するビッグデータ・スクリーニング・方法 | |
| CN117709908B (zh) | 一种电网工程人、材、机分配合理性智慧审计方法与系统 | |
| CN114155116B (zh) | 低压分布式光伏出力异常的诊断方法及系统、设备、存储介质 | |
| Jamshidieini et al. | Operational excellence in the value stream of electricity distribution |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |